January 1, 2008
View Full PaperRéseaux de Markov à marge maximale de Laplace
Key Points
Key points are not available for this paper at this time.
Abstract
Nous proposons des réseaux de Markov à marge maximale de Laplace (LapM3N), et une classe générale de M3N bayésiens (BM3N) dont le LapM3N est un cas particulier avec un biais structurel sparse, pour une prédiction structurée robuste. BM3N généralise les règles de prédiction structurée existantes basées sur l'estimateur ponctuel à un prédicteur bayésien utilisant une distribution apprise de règles. Nous présentons un nouveau formalisme de Discrimination à Entropie Maximale Structurée (SMED) pour combiner l'apprentissage bayésien et l'apprentissage à marge maximale des réseaux de Markov pour la prédiction structurée, et notre approche englobe le M3N conventionnel comme un cas particulier. Un algorithme d'apprentissage efficace basé sur l'inférence variationnelle et des solveurs d'optimisation convexe standard pour M3N, ainsi qu'une borne de généralisation sont proposés. Notre méthode surpasse les méthodes concurrentes tant sur des données OCR synthétiques que réelles.